跳到正文

Google / Gemini

Google 与 DeepMind 的 AI 动态：Gemini 系列、Veo 视频模型、研究成果与产品生态的持续追踪。

42条精选相关主题OpenAI / ChatGPTAnthropic / Claude多模态

最新精选

第 1–20 条 · 共 42 条
今天10月7日周三
10月1日周四
  1. Google DeepMind77

    Google DeepMind 发布 Gemini 4 Argon 前沿模型

    Google DeepMind 发布前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络防御者开放，定价为每百万输入 token $2、输出 token $10，缓存输入 95% 折扣。

    推荐理由：官方博客给出定价、1M 输出 token 上限、基准分数和内部迁移案例，读者可以据此判断它在编程与安全防御上的实际定位。

9月30日周三
9月23日周三
  1. Google DeepMind64

    Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 语音生成模型

    Google DeepMind 于 9 月 23 日发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型，支持用自然语言提示词在超过 100 种语言中自定义角色声音、从 30 秒音频样本复刻声音、逐行指导表演节奏与方言变化，并原生支持双说话人场景生成。

    推荐理由：官方公告给出了两款 TTS 模型的能力细节、基准成绩和开放渠道，读者可以据此判断语音创作工作流的变化。

9月16日周三
9月8日周二
  1. Google DeepMind66

    Google DeepMind 发布 AlphaGenome Atlas，预测人类基因组约 90 亿种单碱基变异的分子影响

    Google DeepMind 发布 AlphaGenome Atlas 平台，包含人类基因组中约 90 亿种单核苷酸变异的分子效应预测，数据集达 1 PB，超过 AlphaFold 数据库 30 倍以上，向学术研究免费开放。

    推荐理由：平台覆盖全部约 90 亿种单碱基变异并附 AVI 评分，读者可以据此了解它在罕见病和数量性状研究中的实际用法。

9月4日周五
  1. Google Research62

    Google Research 与 HHMI Janelia 发布雄性果蝇完整脑连接组图谱

    Google Research 与 HHMI Janelia、MRC 分子生物学实验室、剑桥大学等合作在 Cell 发表雄性果蝇脑及中枢神经系统的完整连接组图谱，包含超过 166,000 个神经元和 1.25 亿个突触连接，是迄今按神经元数量计最大的脑图谱。

    推荐理由：原文给出连接组规模、AI 重建方法和开源查看入口，读者可以据此了解当前连接组学的能力边界和可用资源。

9月3日周四
9月2日周三
  1. Google DeepMind70

    Google DeepMind 为 Gemini 3.7 Flash 等 Flash 模型推出 agentic 视频理解功能

    Google DeepMind 发布 agentic video understanding，覆盖 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite，通过动态搜索和检查视频片段替代固定 1 FPS 的静态处理，官方基准显示成本最多降 66%、token 消耗最多降 88%、准确率最多提升 7%。

    推荐理由：官方给出成本、token 和准确率的具体变化数字与开启方式，开发者可直接评估是否切换现有视频处理流程。

8月28日周五
  1. Google DeepMind60

    Google DeepMind 发布 Gemini Omni 1.1 Flash，强化生成视频创作控制

    Google DeepMind 于 8 月 27 日发布 Gemini Omni 1.1 Flash，带来面向开发者的生成视频创意控制套件，可通过 Gemini API 在 Google AI Studio 中使用。

    推荐理由：官方发布给出了场景延展、关键帧插值、4K 放大等新能力的具体参数和开放渠道，开发者可据此评估是否接入生成视频工作流。

8月27日周四
  1. Google DeepMind64

    Google DeepMind 发布 Gemini 3.5 Transcribe 语音转写模型

    Google DeepMind 发布 Gemini 3.5 Transcribe，定位为更精准、支持智能交互的实时语音转写模型。模型可将原始音频直接转为格式化文本，自动清除口头语和自我纠正，支持自定义词表、超过 85 种语言、最多三名说话人区分，并可通过 function calling 调用其他 Gemini 模型。

    推荐理由：官方公布了模型在噪声环境、自定义词表和多说话人场景的能力细节与 API 入口，读者可据此评估语音转写工作流能否迁移。

8月14日周五
8月12日周三
  1. Google DeepMind74

    Google DeepMind 发布手语转文本模型 SL2T，登陆 Gboard 和 Live Transcribe

    Google DeepMind 发布大规模多语言手语转文本（SL2T）翻译模型，为聋人和听障用户带来新的手语输入功能，率先在 Pixel 11 的 Gboard 和 Live Transcribe 中支持美国手语（ASL）转英文，后续将扩展更多设备和语言。

    推荐理由：原文给出模型训练规模、基准分数和隐私设计等具体细节，读者可以了解手语翻译落地的真实技术路线。

8月6日周四
  1. Google DeepMind79

    Google DeepMind 开源 WeatherNext 系列 AI 气旋预报模型，提前量增加超过一天

    Google DeepMind 发布 Nature 论文并开源 WeatherNext 2、WeatherNext Cyclones 和 WeatherNext 2-mini 模型，单个 AI 模型可同时预测热带气旋的路径、强度和风结构，相比此前模型平均多出约 24 小时提前量，相当于过去 20 年气象进步约十年的水平。

    推荐理由：Google 公布了模型在气旋预报上多出约一天提前量的细节，并同步开源代码与权重，研究者可以直接复现或改进。

7月30日周四
  1. Google DeepMind67

    Google DeepMind 发布 Gemini Robotics ER 2，强化视频理解、任务编排与多机器人协作

    Google DeepMind 发布 Gemini Robotics ER 2，定位为机器人的高层具身推理模型，可编排 VLA 模型等底层控制接口并调用 Google Search 等工具。

    推荐理由：官方给出了进度分类、时刻定位等具体基准数字和多机器人协作演示，读者可据此评估这款具身推理模型在真实机器人编排中的可用性。

7月28日周二
  1. Google DeepMind65

    Google DeepMind 发布 Gemini Robotics 2 全身智能机器人模型系列

    Google DeepMind 发布 Gemini Robotics 2，包含 VLA 模型、Gemini Robotics ER 2 具身推理模型和可本地运行的 On-Device 2 三个模型，实现人形机器人全身控制、灵巧操作和多机器人协作。

    推荐理由：官方发布说明了三个模型分工、适配新机器人的数据成本和安全基准，读者可以对照判断机器人AI的落地路径。

7月23日周四
  1. Google Research64

    Google Research 发布 SymptomAI 研究：对话式 AI 日常症状评估

    Google Research 发布 SymptomAI 研究论文，用五个基于 Gemini Flash 2.0 的对话原型智能体对 13,917 名参与者做端到端症状问诊和鉴别诊断（DDx），用于研究基准测试。

    推荐理由：基于 13,917 人的随机真实人群研究，给出了 SymptomAI 鉴别诊断相对临床医生基线的表现和可迁移的问诊策略比较。

7月21日周二
  1. Google DeepMind76

    Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 与 3.5 Flash Cyber

    Google DeepMind 发布三款 Gemini 模型：3.6 Flash 在 Artificial Analysis Index 上输出 token 用量比 3.5 Flash 减少 17%，定价 $1.50/1M 输入、$7.50/1M 输出，DeepSWE 49% vs 37%、OSWorld-Verified 83.0% vs 78.4%。

    推荐理由：官方原文给出三款新模型的具体价格、token 效率与多项基准数字，并说明各模型面向的部署场景。